人力资源中的考勤管理自动化：使用计算机视觉与人脸识别的设计科学方法

AttenFace 是一种基于深度学习的人脸识别系统，能够实时跟踪和记录学生出勤情况。

该系统将在 2022-2023 学年应用于学校，采用边缘计算和轻量级卷积神经网络。

研究使用深度学习方法进行图像处理，成功实施了通过图像识别记录学生进出校门的创新研究。

实验结果表明，结合深度卷积神经网络和 Haar Cascade 的混合模型在分类性能上具有显著优势，准确率高达 70%。

提出了一种用于视频中检测人的方法，取得了 83.11% 的检测精度和 41.27% 的召回率。

研究提出了一种深层级联多任务框架，提高了人脸检测和特征点定位的性能。

开发了一个鲁棒且高效的视频人脸识别系统，能够准确检测和关联未约束视频中的人脸。

基于深度学习的系统能够实时分析面部特征，包括年龄、性别和面部表情。

探讨了计算机视觉在安全监控方面的潜力，并提出了一种新的视频运动追踪方法。

研究评估了不同条件下的人脸识别算法性能，包括红外图像、无遮挡、带口罩和戴眼镜的情况。